AutoML en Ciberseguridad: Un Estudio Empírico

El aprendizaje automático automatizado (AutoML) ha surgido como un paradigma prometedor para automatizar el diseño de pipelines de aprendizaje automático (ML), ampliando la adopción de IA. Sin embargo, su fiabilidad en dominios complejos como la ciberseguridad sigue sin explorarse adecuadamente. Este documento evalúa sistemáticamente ocho marcos de AutoML de código abierto en 11 conjuntos de datos de ciberseguridad disponibles públicamente, abarcando detección de intrusiones, clasificación de malware, phishing, detección de fraude y filtrado de spam. Los resultados muestran una variabilidad de rendimiento sustancial entre herramientas y conjuntos de datos, sin que exista una solución única que sea consistentemente superior. Se observa un cambio de paradigma: el desafío ha pasado de seleccionar modelos individuales de ML a identificar el marco de AutoML más adecuado, complicado por las diferencias en eficiencia de ejecución, capacidades de automatización y características soportadas. Las herramientas de AutoML favorecen frecuentemente modelos basados en árboles, que funcionan bien pero corren el riesgo de sobreajuste y limitan la interpretabilidad. Los desafíos clave identificados incluyen vulnerabilidad ante ataques adversariales, deriva del modelo y una ingeniería de características inadecuada. Concluimos con mejores prácticas y direcciones de investigación para fortalecer la robustez, la interpretabilidad y la confianza en AutoML para aplicaciones de ciberseguridad de alto riesgo.